典型文献
基于机器学习的薄板屈服强度与制耳率建模分析
文献摘要：
针对1070铝合金薄板制耳率高、屈服强度不稳定等问题,基于生产数据,采用随机森林算法建立了"成分—工艺—性能"模型.选取冷轧率、热终轧温度、Fe含量、Fe/Si(铁硅质量比)等工艺和成分作为自变量,所建立的屈服强度模型精度(R2)为0.75,制耳率模型精度为0.87.利用模型定量分析各参数对屈服强度和制耳率的影响规律.通过对模型的解析,求解出各自变量的变量权重系数和Shap值.结果表明,对屈服强度影响最显著的因素为冷轧率,二者呈正相关关系,对制耳率影响最显著的因素为Fe含量,二者呈负相关关系.同时,根据模型进行了特定工艺下的性能预报并得出了较优工艺.
文献关键词：
机器学习;屈服强度;制耳率;性能预报
中图分类号：
作者姓名：
苗海宾;向朝建;张志阔;刘胜楠;黄东男;吴永福
作者机构：
中铝材料应用研究院有限公司,北京 102209;北京科技协作中心,北京 100195
文献出处：
引用格式：
[1]苗海宾;向朝建;张志阔;刘胜楠;黄东男;吴永福-.基于机器学习的薄板屈服强度与制耳率建模分析)[J].有色金属科学与工程,2022(06):67-73
A类：
制耳率
B类：
基于机器学习,屈服强度,建模分析,铝合金薄板,生产数据,随机森林算法,冷轧,终轧温度,Si,硅质,分作,强度模型,模型精度,解出,权重系数,Shap,强度影响,性能预报
AB值：
0.243405
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
